Comportamenti normali vs anomali

Rilevamento delle frodi in Python

Charlotte Werger

Data Scientist

Rilevamento frodi senza etichette

• Uso di apprendimento non supervisionato per distinguere normale da anomalo
• Il comportamento anomalo per definizione non è sempre frode
• Difficile perché complicato da validare
• Ma realistico: spesso mancano etichette affidabili

Cos’è un comportamento normale?

• Descrivi bene i dati: istogrammi, outlier, correlazioni e confrontati con l’analista frodi
• Ci sono casi storici noti di frode? Cosa li caratterizza?
• Il normale per un tipo di cliente può non esserlo per un altro
• Verifica pattern nei sottogruppi: i dati sono omogenei?

Segmentazione clienti: normale entro i segmenti

Passiamo alla pratica!

Rilevamento delle frodi in Python